當前位置:萬佳範文網 >

工作方案 >工作方案 >

公司員工績效考核方案

公司員工績效考核方案

一、 考核目的

公司員工績效考核方案

1、作為晉級、解僱和調整崗位依據,着重在能力、能力發揮和工作表現

上進行考核。

2、作為確定績效工資的依據。

3、作為潛能開發和教育培訓依據。

4、 作為調整人事政策、激勵措施的依據,促進上下級的溝通。

二、 考核原則

1、公司正式聘用員工均應進行考核,不同級別員工考核要求和重點不同。

2、考核的依據是公司的各項制度,員工的崗位描述及工作目標,同時考核必須公開、透明、人人平等、一視同仁。

3、制定的考核方案要有可操作性,是客觀的、可靠的和公平的,不能摻入考評人個人好惡。

4、提倡考核結果用不同方式與被評者見面,使之誠心接受,並允許其申訴或解釋。

三、 考核內容及方式

1、工作任務考核(按月)。

2、綜合能力考核(由考評小組每季度進行一次)。

3、考勤及獎懲情況(由行政部按照《公司內部管理條例》執行考核)。

四、考核人與考核指標

1、成立公司考評小組,對員工進行全面考核和評價。

2、自我鑑定,員工對自己進行評價並寫出個人小結。

3、考核指標,員工當月工作計劃、任務,考勤及《內部管理條例》中的獎懲辦法。

五、考核結果的反饋  

考績應與本人見面,將考核結果的優缺點告訴被評人,鼓勵其發揚優點、改正缺點、再創佳績。

六、員工績效考核説明

(一)填寫程序

1、每月2日前,員工編寫當月工作計劃,經部門直接上級審核後報行政部;

2、工作績效考核表每月28日由行政部發放到部門,由本人填寫經部門直接上級審核後於次月2日前交至行政部;

3、工作計劃編寫分日常工作類5項、階段工作類5項及其它類等,其它類屬領導臨時交辦的工作任務;

4、工作計劃完成情況分完成、進行中、未進行(階段性工作)三檔,月末由本人根據實際選項打分,並在個人評價欄內給自己評分;

5、工作計劃未進行、進行中(階段性工作)項請在計劃完成情況欄內文字

説明原因。

(二)計分説明

1、工作績效考核表總分90分,日常工作類5項每項8分佔40分,階段工作類5項每項10分佔50分,其它類每項附加分8分,意見與建議如被公司採納,附加分10分;其中個人評分、職能部門評分、直接上級評分所佔工作績效考核得分比例分別是30%、30%、40%。(個人評分突破90分者,個人評分無效,按直接上級評分減10計算;職能部門評分從兩方面考評:成本意識、職業規範。分別由財務部和行政部考評。)

2、綜合績效考核由考評小組季度進行一次,員工每季度填寫一份《員工考核表》和一份《員工互評表》,具體時間由行政部另行通知;《員工考核表》由被考核員工和考評小組填寫,《員工互評表》由員工以無記名方式填寫後投入公司投票箱;其中自我考評、員工互評、考評小組考評所佔綜合績效考核得分比例分別是30%、30%、40%。

3、工作績效考核季度得分為3個月的平均分,佔季度績效考核得分的60%;綜合績效考核得分佔季度績效考核得分的40%,季度最終績效考核得分即為兩者之和。

4、評分標準:優85分以上,良84-80分,合格79-75分,一般74-65分,不合格64(含)分以下。

(三)季度績效工資內容

季度績效工資=績效考核獎+績效季度獎

(1)績效考核獎由三部分組成:

a、員工季度預留崗位工資10%的考核風險金;

b、員工的第13個月月工資的四分之一;

c、公司拿出該崗位10%的年崗位工資的四分之一作為激勵。

員工季度考核為優秀的發放全額季度績效考核獎金;考核為合格的只發a項和b項;考核不合格者無季度績效考核獎金。

(2)績效季度獎金是總經理根據員工在公司的整體表現,參考員工的考核情況在季度末以紅包形式發放。

(四)增減分類別:

1、考勤計分:當月事假1天扣2分,以此類推。季度內事假累計3天扣績效工資1%,累計5天扣績效工資3%;

2、培訓計分:參加培訓一次加1分,缺勤一次扣2分,以此類推。季度內缺勤培訓累計2次扣績效工資1%,累計4次扣績效工資3%;

3、沒有按期編寫當月工作計劃和填報工作績效考核表,每逾期一天扣1分,以此類推。

4、季度內考核為合格的員工,其季度內個別月份考評為優秀的,每評為優秀一次加績效工資2%,以此類推;其季度內個別月份考評為不合格的,每不合格一次減績效工資4%,以此類推。

5、獎懲計分:

(1)季度內嘉獎一次加績效工資2% 、記功一次加績效工資4%、記大功一次加績效工資6%;

(2)季度內警告一次減績效工資2%、記過一次減績效工資4%、記大過一次減績效工資6%。

七、附件

工作績效考核表、員工考核表(半年)、員工互評表、部門評議表。

  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/fangan/gongzuofanwen/w46pww.html
專題